基于多示例學(xué)習(xí)的交互式圖像分割.pdf

1、圖像分割算法是計(jì)算機(jī)視覺領(lǐng)域備受關(guān)注的熱點(diǎn)，它是圖像處理類算法中最基本的問題，也是圖像處理的難點(diǎn)。一直以來(lái)都有很多學(xué)者參與到該領(lǐng)域進(jìn)行研究，新的方法被不斷的提出，但至今仍然沒有能適用于所有情況，放之四海而皆準(zhǔn)的圖像分割方法。圖像分割是圖像處理基礎(chǔ)，圖像處理是個(gè)很廣泛的領(lǐng)域，包括圖像識(shí)別、圖像理解、圖像增強(qiáng)、圖像分類等。
　　本文研究的主要是交互式圖像分割，根據(jù)用戶提供圖像及目標(biāo)框，要求算法能夠找到目標(biāo)的準(zhǔn)確位置。我們對(duì)圖像及目標(biāo)框

2、的隱含信息加以利用，如目標(biāo)連續(xù)性、邊界框的緊湊性、區(qū)域的馬爾可夫性等?；谇叭说难芯浚瑢?duì)圖像分割進(jìn)行深入分析之后，提出兩種分割算法如下：
　　1.提出了一種基于多示例框架的Boosting算法。該方法將圖像分割問題很自然的轉(zhuǎn)化成多示例學(xué)習(xí)問題，提出了一種理論可行、實(shí)際可靠的建包方式。然后對(duì)包的隨機(jī)組合，每一組包由一個(gè)正包和一個(gè)負(fù)包組成。再通過Boosting方法對(duì)這些分類器分配一定的權(quán)值，最后將它們組成一個(gè)魯棒的分類器。實(shí)驗(yàn)證明這

3、個(gè)分類器能夠達(dá)到足夠精確分割結(jié)果。
　　2.對(duì)圖像隱含信息加以利用，提出一種基于馬爾可夫隨機(jī)場(chǎng)的圖像分割算法，該算法同時(shí)使用圖像的結(jié)構(gòu)信息和其他外觀信息。我們將圖像的標(biāo)簽視為隨機(jī)變量，將標(biāo)簽的過程看作一個(gè)概率事件，那么整個(gè)圖像的標(biāo)簽就是一個(gè)隨機(jī)場(chǎng)。同時(shí)對(duì)隨機(jī)場(chǎng)作一定的假設(shè)，使之成為馬爾可夫隨機(jī)場(chǎng)。最后結(jié)合馬爾可夫隨機(jī)場(chǎng)理論和多示例學(xué)習(xí)理論，對(duì)圖像標(biāo)簽進(jìn)行迭代優(yōu)化、更新。最終得到圖像的標(biāo)簽，也就實(shí)現(xiàn)了圖像分割的結(jié)果。
　　本論